Vol.24 李整等：一种新的加热炉状态识别算法 ·367· 根据加热炉实际工况，现场数据应分为5 应于炉温低的情况而已.从上述分析结果看，分 类，即={M,M,M,M,M}={正常，炉温高，炉 出的子类完全符合实际情况，故UR&SAL算法 温低，炉压高，炉压低.我们在现场采集了120 的第1阶段是完全合理的.神经网络的输出节 组数据，其中80组作为训练样本，另外40组数 点共计有1+7+7+1+1=17个.在经过UR&SAL算 据用来检验状态识别的正确率.经验证，各类数 法的STEP8STEP12处理后，就能确定各新类 据不满足类内距离较小、类间距离较大这个前 数据的中心点向量W(=016)了. 提条件，所以不能直接采用最小距离法进行状 网络经过训练后就可以用于状态识别了， 态识别，而应该采用UR&SAL算法对数据进行 设输入的状态向量为X,分别求出X与各新类中 处理后，再利用最小距离法进行识别. 心点向量W(0-16)之间的距离d”=X-W= 设定[Ss,S]=[1,10],[psp]=[0.01,0.05],取p= [2x-w9](=0-16),找出最小距离d-minX- 0.02.经过UR&SAL算法的STEP1-STEP7处理 W,则X属于新类中的第类.再根据表1中类K 后，类1、类4、类5中的数据只有1个子类，即 新类的对应关系，确定X所属的类别K. S,=S=S,=1.类2、类3中的数据各分成7个子类， 对40个检验用样本进行状态识别，识别的 即S,=S,=7.对各子类的权值进行分析后可以看 结果如表2所示 出，类2的7个子类分别为M={M1,M2,Ma,M, M,M,M,}={只有均热段炉温高，只有加热I 表1类K与新类方的对应关系表 Table 1 Relationship between new-class()and class(K) 段炉温高，只有加热Ⅱ段炉温高，均热段和加热 in state recognition of heating furnace I段炉温均高，均热段和加热Ⅱ段炉温均高，加 新类j 2-89-1516 17 热1段和加热Ⅱ段炉温均高，3段炉温全高}.类 类K 1 2 5 3的7个子类和类2的7个子类对应，只不过对 识别类型正常炉温高炉温低炉压高炉压低 表2加热炉炉温和炉压状态识别结果表 Table 2 The recognition result of 40 testing samples for temperature and pressure of heating furnace 序均热加热【加热Ⅱ炉压/状态的状态识别类正确序均热加热I加热Ⅱ炉压/状态的状态识别类正确 号段/℃段/℃段/℃Pa新类的类型性 号段/℃段/℃段/℃Pa新类的类型性 112501300125019.6 11正常△ 2113201336130422.6 62炉温高Δ 2124312001157 19.6 153炉温低△ 2212581300125421.6 11正常 △ 3128113251263 22.6 1 1 正常 23127012851239 24.5 11正常 △ 4130913541286 24.5 1 1正常△ 2412571287 1274 20.6 1 1 正常 ▲ 512831322 1266 16.7 17 5炉压低△ 2512561322 1258 23.5 1正常 △ 612671315 1266 23.5 1 1 正常 261275 1325 1265 21.6 1 1正常 △ 713521396 1357 21.6 8 2炉温高 △ 271220 1280 1270 21.6 123炉温低 81246 1294 1258 23.5 正常 281265 1330 1265 20.6 1 正常 4 91272 1335 1269 22.6 1 正常 △ 29 1270 1329 1278 21.6 1 正常 10 1306 1355 1283 27.5 4炉压高 △ 1325 1300 1250 17.7 17 5炉压低 111251 1305 1259 22.6 1 正常 △ 31 1259 1299 1255 22.6 1 正常 121248 1314 1265 21.6 正常 △ 32 1258 1308 1265 21.6 1 1 正常 131165 1310 1260 24.5 9 3炉温低 △ 1239 1325 1180 23.5 13 3炉温低 △ 141286 1320 1260 29.4 16 4炉压高 g 1255 1305 1255 20.6 1 正常 151290 1311 1273 23.5 1 正常 1279 1328 1245 23.5 1 1 正常 △ 1612781327 1265 22.6 1 正常 △ 哈 1264 1309 1255 21.6 1 1 正常 1712831330 1284 18.6 17 5炉压低△ 1270 1335 1276 14.7 17 5炉压低△ 18125813061263 21.6 1 1 正常 △ 38 1248 1315 1275 22.6 1 1 正常 4 1912751315125522.6 1正常 39 12501306 1254 22.6 1正常 2012451320127021.6 1 1 正常△ 4012431320126720.6 11正常△ 注：△表示识别正确，▲表示识别错误Vb 】 一 2 4 李擎等 : 一种 新的加 热炉状态 识别 算法 . 3 6 7 . 根据加热炉实 际工 况 , 现场数据应分为 5 类 , 即 人介 {肠 ,城 ,姚 , 从 ,从 卜 {正常 , 炉温高 , 炉 温低 , 炉压高 , 炉压低 } . 我们 在现场采集 了 120 组数据 , 其 中 80 组作为训练样本 , 另外 40 组数 据用来检验状态识别的正确率 . 经验证 , 各类数 据不满 足类 内距离较小 、 类间距离较大这个前 提 条件 , 所 以不 能直接采用最小距离法进行状 态识 别 , 而应该 采用 U R& S A L 算法对数据进行 处理后 , 再利用最小距 离法进 行识 别 . 设 定 [sS 凡 ] = 「1 , 1 0」 , 叻 s 刃B」= [ 0 . 0 1 , 0 . 0 5 ] , 取户= 0 . 0 2 . 经过 U R & S A L 算 法的 S T E P I一 S T E P 7 处理 后 , 类 卜 类 4 、 类 5 中的数据 只有 1 个子类 , 即 5 1一凡钱 一 1 . 类 2 、 类 3 中的数据各分成 7 个子类 , 即凡=aS = 7 . 对各子类 的权值进行分析后 可 以 看 出 , 类 2 的 7 个子类 分别 为城 袱城 : ,城 2 ,城 3 ,从 4 , 城 , ,从 6 ,城 7卜 {只有 均热段 炉温 高 , 只 有加热 I 段炉 温高 , 只有加热 n 段炉温高 , 均热段和 加热 I 段炉 温均高 , 均热段和 加热 n 段炉温均高 , 加 热 I 段和 加热 n 段炉 温均高 , 3 段炉温全高 } . 类 3 的 7 个子类和类 2 的 7 个子类对应 , 只不 过对 应于 炉温低 的情况而 已 . 从上 述分析结果看 , 分 出的 子类完全符合实 际情况 , 故 U R & s A L 算法 的第 1 阶段是完全合理 的 . 神经 网络 的输 出节 点共计 有 1+7 +7 +1 +l = 17 个 . 在经过 U R& S A L 算 法 的 S T E SP 一 S T E P 12 处理后 , 就能确定各新类 数据 的中心 点 向量 肥( =1 0一 16) 了 . 网络经 过训 练后 就 可 以用 于状 态识别 了 , 设输人 的状态 向量 为X , 分别求 出尤与各新类 中 心 点 向量 砰义同 一 1 6 )之 间 的距 离 d 别} J Y` 肥】1 二 3 咚 x(, 一 w 份] ’ ` , (卜0一 1 6 ) , 找 出最小距离 d :=tn i n l比` 少月 i 肥日 ,则刃属于新类 中的第厂类 . 再根据表 1 中类 K 新为的对应关 系 , 确定尤所 属 的类 别.K 对 4 0 个检验用样 本进行状态识别 , 识别 的 结果 如表 2 所示 . 表 1 类 K 与新 类 j 的对应关 系表 aT b l e 1 R e la t i o o s h i P b e wt e e n n ew 一 e la s s (j ) a n d e is s s ( K ) i n s t a et er c o g n i t i o n o f h e a t i n g fu r n a e e 新类 j 1 2一 5 9一 1 5 1 6 1 7 类 K 1 2 3 4 5 识别类 型 正常 炉温高 炉温低 炉压高 炉压低 表 2 加热 炉炉温 和炉压 状态识 别结 果表 aT b l e 2 T b e ecr o g n i柱o n esr u lt o f 40 est it n g s a m PI韶 fe r t e m P e邝tU er a n d P erS u er o f h e a t i n g fu r n a e e 序 均热 加热 I 加热 n 炉压 / 状态 的 状态 识别类 正确 序号一212:3对6527893031245678390 号 段 /℃ 段 /℃ 段 / ℃ aP 新类 的类 型 性 1 1 2 50 1 3 0 0 1 2 5 0 1 9 . 6 1 2 12 4 3 12 0 0 11 5 7 1 9 . 6 1 5 3 12 8 1 132 5 126 3 2 2 . 6 1 4 1 3 0 9 1 3 5 4 12 8 6 2 4 . 5 1 5 1 2 8 3 1 3 2 2 12 6 6 1 6 . 7 1 7 6 1 2 6 7 1 3 15 1 2 6 6 2 3 . 5 1 7 1 3 5 2 1 3 9 6 13 5 7 2 1 . 6 8 8 1 2 4 6 1 2 9 4 12 5 8 23 . 5 1 9 127 2 1 33 5 12 6 9 2 2 . 6 1 10 1 3 0 6 1 3 5 5 12 8 3 2 7 . 5 1 6 1 1 1 25 1 1 3 0 5 12 5 9 2 2 . 6 1 12 124 8 1 3 14 12 6 5 2 1 . 6 1 13 1 16 5 1 3 1 0 12 6 0 2 4 . 5 9 14 12 8 6 1 3 2 0 12 6 0 2 9 . 4 1 6 15 129 0 13 11 12 7 3 2 3 . 5 1 16 12 7 8 1 3 2 7 12 6 5 2 2 . 6 1 1 7 12 8 3 13 3 0 1 28 4 1 8 6 17 1 8 12 5 8 13 0 6 1 26 3 2 1 . 6 1 1 9 1 27 5 1 3 15 1 2 5 5 2 2 . 6 1 2 0 1 24 5 1 3 2 0 1 27 0 2 1 . 6 1 注 : △表示 识别正确 , ▲ 表示 识别错 误 正常 炉温低 正常 正常 炉压低 正常 炉温高 正常 正常 炉压高 正常 正常 炉温低 炉压高 正常 正常 炉压低 正常 正常 正常 均热 加热 I 加热 n 炉压 / 状态的状态 识别类 正确 段 /℃ 段/ ℃ 段 /℃ P a 新类 的类 型 性 1 3 2 0 1 3 3 6 13 0 4 2 2 . 6 6 2 炉温高 △ 12 5 8 1 30 0 12 5 4 2 1 . 6 1 1 正常 △ 12 7 0 1 2 8 5 12 39 2 4 . 5 1 1 正常 △ 1 2 5 7 12 8 7 12 7 4 2 0 . 6 1 1 正常 ▲ 1 2 5 6 13 2 2 12 5 8 2 3 . 5 1 1 正常 △ 1 2 7 5 1 3 2 5 12 6 5 2 1 . 6 1 1 正常 △ 1 2 2 0 12 8 0 12 7 0 2 1 . 6 12 3 炉温低 △ 1 2 6 5 13 3 0 12 6 5 2 0 . 6 1 1 正常 A 127 0 1 3 2 9 1 2 7 8 2 1 . 6 1 1 正常 △ 1 3 2 5 13 0 0 12 5 0 17 . 7 17 5 炉压低 △ 1 2 5 9 12 9 9 12 5 5 2 2 . 6 1 1 正常 △ 12 5 8 1 3 0 8 1 2 6 5 2 1 . 6 1 1 正常 △ 12 3 9 1 3 2 5 1 1 8 0 2 3 . 5 1 3 3 炉温低 △ 12 5 5 1 3 0 5 1 2 5 5 2 0 . 6 1 1 正常 △ 12 7 9 1 3 2 8 1 2 4 5 2 3 . 5 1 1 正常 △ 12 6 4 1 3 0 9 1 2 5 5 2 1 . 6 1 1 正常 △ 12 7 0 1 33 5 1 2 7 6 1 4 · 7 1 7 5 炉压低 A 12 4 8 1 3 1 5 1 2 7 5 2 2 6 1 1 正常 A 12 5 0 1 3 0 6 1 2 5 4 2 2 . 6 1 1 正常 △ 12 4 3 1 32 0 12 67 2 0 . 6 1 1 正常 A △△AA